mimo code通过工程化记忆系统实现项目知识沉淀与精准续写：自动生成memory.md记录决策依据，检查点+任务树支持中断恢复，writer子agent动态压缩上下文，/dream每周自动整理记忆状态。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
它靠一套不依赖模型“自觉记事”的工程化记忆系统，把项目上下文真正沉淀下来，而不是堆满对话窗口。
项目记忆（MEMORY.md）自动积累关键知识
每次你让 MiMo Code 分析架构、修改组件或解释某段逻辑，它会把决策依据、技术选型理由、接口约定等结构化内容，自动写入项目根目录下的 MEMORY.md 文件。这个文件不是聊天记录，而是人工可读、AI可检索的项目知识库。比如你昨天决定用 Zustand 管理状态，今天它就能基于这条记录推荐配套的 store 设计，而不是重新问你“用什么状态库”。
会话检查点 + 任务树实现精准续写
每当你中断会话（关掉终端或 Ctrl+C），MiMo Code 会自动生成一个轻量级检查点，记录当前任务节点、已修改文件、Git 状态和未完成子任务。下次运行 mimo 时，它不是从头加载全部代码，而是按树状结构恢复任务进度——比如你上次做到 “T2.3：为登录表单添加邮箱格式校验”，这次直接从这一步继续，跳过前面已确认的流程。
动态简报压缩避免上下文膨胀
当一次长会话接近 Token 上限，独立的 Writer 子 Agent 会介入，把冗长的历史对话提炼成一份语义干净的“当前简报”，主 Agent 基于此继续工作。这个过程不丢关键约束，只剔除重复解释和临时讨论。实测中，连续交互 120 轮后输出质量仍稳定，不像传统工具那样越聊越忘。
/dream 每周自动整理记忆状态
每七天触发一次 /dream 命令，由专用 Agent 扫描所有会话日志和 MEMORY.md，执行三项操作：合并同类项（比如多次提到“API 响应需带 trace-id”）、验证路径有效性（删掉已不存在的文件引用）、压缩冗余描述。最终生成一个精简、一致、可执行的当前项目快照，让 MiMo Code 真正“越用越懂你这个项目”。
